Plato 研究对话系统 (Plato Research Dialogue System)

当前版本：v0.3.1

Plato 研究对话系统（Plato Research Dialogue System）是一个灵活的框架，可用于在各种环境中创建、训练和评估对话式 AI 代理。它支持通过语音、文本或对话动作（dialogue acts）进行交互，每个对话代理都可以与数据、人类用户或其他对话代理（在多代理设置中）进行交互。每个代理的每个组件都可以独立进行在线或离线训练。只要遵循 Plato 的接口规范，Plato 提供了一种简单的方法来封装几乎任何现有模型。

论文引用：

Alexandros Papangelis, Mahdi Namazifar, Chandra Khatri, Yi-Chia Wang, Piero Molino, and Gokhan Tur, "Plato Dialogue System: A Flexible conversational AI Research Platform", ArXiv Preprint [paper]

Alexandros Papangelis, Yi-Chia Wang, Piero Molino, and Gokhan Tur, “Collaborative Multi-Agent Dialogue Model Training Via Reinforcement Learning”, SIGDIAL 2019 [paper]

Plato 编写了几段角色之间关于某个话题通过提问进行争论的对话。其中许多对话以苏格拉底为主角，包括苏格拉底的审判。（苏格拉底在 2012 年 5 月 25 日于希腊雅典举行的新审判中被宣告无罪）。

新闻

v0.2: v0.1 的主要更新是 Plato RDS 现在以软件包的形式提供。这使得创建和维护新的对话式 AI 应用程序变得更加容易，并且所有教程都已更新以反映这一变化。Plato 现在还附带一个可选的 GUI。尽情使用吧！

ReadMe 内容目录

• Plato 研究对话系统是如何工作的？
• 安装
  • 从源代码安装 Plato (推荐)
  • 安装过程中的常见问题
• 运行 Plato
• 使用 Plato 构建对话代理
  • 领域 (Domain)
  • 控制器 (Controller)
  • 代理 (Agent)
    • 基于规则的模块 (Rule-based modules)
    • 训练模块 (Trained modules)
      • Plato 内部经验 (Plato internal experience)
      • 使用 Plato 解析数据 (Parsing data with Plato)
      • 训练对话代理组件 (Training Components of Conversational Agents)
        • 训练 NLU
        • 训练 DST
        • 训练对话策略 (Train Dialogue Policy)
          • 监督式对话策略 (Supervised Dialogue Policy)
          • 强化对话策略 (Reinforce Dialogue Policy)
        • 训练 NLG
        • 基于 Seq2Seq 训练端到端对话代理
    • 同时训练多个对话代理
    • 用户模拟器 (User Simulators)
      • 基于议程的用户模拟器 (Agenda-Based User Simulator)
      • 对话动作到语言用户模拟器 (Dialogue Act to Language User Simulator)
    • 创建新模块
      • 创建新的状态、动作、学习算法等
  • 图形用户界面 (GUI)
• 即将推出的教程
• 即将推出的功能
• 致谢
• 结论

Plato 研究对话系统是如何工作的？

从概念上讲，对话代理需要经过多个步骤来处理其接收到的输入信息（例如：“今天天气怎么样？”），并生成适当的输出（“有风但不太冷。”）。对应标准架构主要组件（见图 1）的核心步骤如下：

• 语音识别（将语音转录为文本）
• 语言理解（从文本中提取含义）
• 状态追踪（汇总关于已说内容和已执行操作的信息）
• API 调用（搜索数据库、查询 API 等）
• 对话策略（生成代理响应的抽象含义）
• 语言生成（将抽象含义转换为文本）
• 语音合成（将文本转换为语音）

Plato 的设计旨在尽可能实现模块化和灵活性；它支持传统架构以及自定义的对话式 AI 架构。更重要的是，它支持多方交互，其中多个潜在具有不同角色的代理可以相互交互、同步训练并解决分布式问题。

下方的图 1 和图 2 分别展示了 Plato 对话代理在与人类用户及模拟用户交互时的架构示例。与模拟用户交互。